尝试从 html 解析电话号码，但得到很多空行答案

【问题标题】：Try to parse phone number from html, but get a lot of empty rows尝试从 html 解析电话号码，但得到很多空行
【发布时间】：2019-06-29 10:21:45
【问题描述】：

我不明白如何通过正则表达式从 html 中获取电话号码。我检查了我的正则表达式here，它可以工作并且必须从这个link 获取号码

我尝试这样解析：

import requests
import re

url = 'https://a101.ru'
r = requests.get(url)
html = r.text
result = re.findall('((8|\+7)[\- ]?)?(\(?\d{3}\)?[\- ]?)?[\d\- ]{7,10}', html)
print(result)

And get this: 
[(u'', u'', u''), (u'', u'', u'').....(u'+7 ', u'+7', u'(495) ')....(u'', u'', u'')]

【问题讨论】：

必读：stackoverflow.com/a/1732454/10553976
即使你可以解析 XML，元素 ` +7 (495) 221-40-21 a>` 提供一两个结果？
@wallyk 两个结果

标签： python regex python-2.7 beautifulsoup

【解决方案1】：

您可以使用正则表达式来发现 href 的 tel: 部分

import re
import requests

r = requests.get('https://a101.ru', verify=False)
print re.findall(r'tel:(.*?)">', r.text)

对于该页面，它将发现 4 个匹配项：

['+7(495)221-40-21', '+7(495)221-40-21', '+7(495)221-40-21', '+7(495)221-40-21']

通常我会使用 BeautifulSoup 来正确解析文件并提取信息，但是对于非常具体的次要用途，可以谨慎使用正则表达式。

您可以使用BeautifulSoup 获得相同的结果，如下所示：

from bs4 import BeautifulSoup
import requests
import re

r = requests.get('https://a101.ru', verify=False)
soup = BeautifulSoup(r.content, "html.parser")
print([tel['href'][4:] for tel in soup.find_all('a', href=re.compile(r'tel:'))])

【讨论】：

我可以使用这个正则表达式 ('tel:(.*?)">') 来获取所有 html 的电话号码吗？
tel: 前缀是电话用来实际拨打号码的，并非所有网站都添加它。如果使用它，您可以相当肯定它是一个有效数字。